アカウント名:
パスワード:
XMLとその関連技術は素晴らしすぎて、20年後の現在もかなり完成されているように見える。今はJSON好きが多いけれど、XMLより劣る点は多い。現在でもつかわれるプロトコルとして、SMTPとかのメール周りは改良点は多数あるし(参考 [srad.jp])、HTMLは実際手を入れられているが再設計するならかなり良くなるだろう。その点でXMLをより良くするなら、今の視点で設計するなら、というのはテーマとして面白いと思う。
自分としては、
「charset が出現するまでは必ず ASCII コード」という規約が欲しいいや、BOM なし UTF-16 な XML なんて存在しないならどうでもいいのですが。
# オレオレパーサを書くのが一番悪いってのはわかっているのですが
いや、それマトモにテキストエディタで開けないから駄目だろ
途中で文字コードが変わるテキストデータの話ではなく、文字コードの判別方法に関してです。
BOM つき UTF-16→わかる7bit 領域は ASCII 互換→charset の結果でわかる（SJIS とか UTF-8 とか）BOM なし UTF-16→ビッグエンディアンの UTF-16 と判別して読み込む（が、どう判別する？）
2 番目まで処理してパースに失敗したら 3 番目処理して、というのが現実的な解でしょうか？（これだけのために文字コード判別のライブラリとか組み込みたくないので）
BOMとか見るなら、頭2バイト見ればわかるんじゃないの？
0x3c 0x3f ならASCII互換の「<?」なのでencoding指定まで読み進める0xFE 0xFF ならUTF-16のBig Endian0xFF 0xFE ならUTF-16またはUTF-32のLIttle Endian（UTF-16とUTF-32の確定ができないので4byte目まで読む必要がある）0x00 0x00 ならUTF-32のBig Endianの可能性が高い（4byte目まで見ないとBOMか確定はできない）0xEF 0xBB BOMありUTF-8（厳密には3byte目の0xBFまでがBOMだけど）0x00 0x3c ならUTF-16のBE（BOMなし）0x3c 0x00 ならUTF-16またはUTF-32のLEそれ以外ならXMLではない
という判定をすれば事足りるよねっていう？
ここまで網羅しておいて、どうして2バイトと口走ったw4バイトで決定できるで良かったのでは。
XMLパーサはUTF-8とUTF-16が使えるのが最低要件だから、UTF-32とか考えなくていいかなーって思ったけど、惰性で追加しちゃったとか、そういう
つまりただのうっかりです、ぐぬぬ
より多くのコメントがこの議論にあるかもしれませんが、JavaScriptが有効ではない環境を使用している場合、クラシックなコメントシステム(D1)に設定を変更する必要があります。
Stableって古いって意味だっけ？ -- Debian初級
今再設計するなら…とか？ (スコア:1)
XMLとその関連技術は素晴らしすぎて、20年後の現在もかなり完成されているように見える。
今はJSON好きが多いけれど、XMLより劣る点は多い。
現在でもつかわれるプロトコルとして、SMTPとかのメール周りは改良点は多数あるし(参考 [srad.jp])、HTMLは実際手を入れられているが再設計するならかなり良くなるだろう。
その点でXMLをより良くするなら、今の視点で設計するなら、というのはテーマとして面白いと思う。
自分としては、
Re: (スコア:0)
「charset が出現するまでは必ず ASCII コード」という規約が欲しい
いや、BOM なし UTF-16 な XML なんて存在しないならどうでもいいのですが。
# オレオレパーサを書くのが一番悪いってのはわかっているのですが
Re: (スコア:0)
いや、それマトモにテキストエディタで開けないから駄目だろ
Re: (スコア:0)
途中で文字コードが変わるテキストデータの話ではなく、文字コードの判別方法に関してです。
BOM つき UTF-16→わかる
7bit 領域は ASCII 互換→charset の結果でわかる（SJIS とか UTF-8 とか）
BOM なし UTF-16→ビッグエンディアンの UTF-16 と判別して読み込む（が、どう判別する？）
2 番目まで処理してパースに失敗したら 3 番目処理して、というのが現実的な解でしょうか？
（これだけのために文字コード判別のライブラリとか組み込みたくないので）
Re:今再設計するなら…とか？ (スコア:1)
BOMとか見るなら、頭2バイト見ればわかるんじゃないの？
0x3c 0x3f ならASCII互換の「<?」なのでencoding指定まで読み進める
0xFE 0xFF ならUTF-16のBig Endian
0xFF 0xFE ならUTF-16またはUTF-32のLIttle Endian（UTF-16とUTF-32の確定ができないので4byte目まで読む必要がある）
0x00 0x00 ならUTF-32のBig Endianの可能性が高い（4byte目まで見ないとBOMか確定はできない）
0xEF 0xBB BOMありUTF-8（厳密には3byte目の0xBFまでがBOMだけど）
0x00 0x3c ならUTF-16のBE（BOMなし）
0x3c 0x00 ならUTF-16またはUTF-32のLE
それ以外ならXMLではない
という判定をすれば事足りるよねっていう？
Re: (スコア:0)
ここまで網羅しておいて、どうして2バイトと口走ったw
4バイトで決定できるで良かったのでは。
Re:今再設計するなら…とか？ (スコア:1)
XMLパーサはUTF-8とUTF-16が使えるのが最低要件だから、UTF-32とか考えなくていいかなーって思ったけど、惰性で追加しちゃったとか、そういう
つまりただのうっかりです、ぐぬぬ